STATE ESTIMATION AT 20 KV DISTRIBUTION NETWORK NORTH SURABAYA WITH EXTENDED KALMAN FILTER METHOD USING JAVA PROGRAMMING LANGUAGE

Transkripsi

1

2 FINAL PROJECT - TE STATE ESTIMATION AT 20 KV DISTRIBUTION NETWORK NORTH SURABAYA WITH EXTENDED KALMAN FILTER METHOD USING JAVA PROGRAMMING LANGUAGE Aisah Nur Laily NRP Supervisors Prof. Ir. Ontoseno Penangsang, M.Sc., Ph.D. Prof. Dr. Ir. Adi Soeprijanto, MT. DEPARTMENT OF ELECTRICAL ENGINEERING Faculty Of Industry Technology Sepuluh Nopember Institute Of Technology Surabaya 2016

3

4 STATE ESTIMASI PADA JARINGAN DISTRIBUSI 20 KV SURABAYA UTARA DENGAN METODE EXTENDED KALMAN FILTER MENGGUNAKAN BAHASA PEMROGRAMAN JAVA Nama Mahasiswa : Aisah Nur Laily NRP : Dosen Pembimbing I : Prof. Ir. Ontoseno Penangsang, M.sc, Ph.D NIP : Dosen Pembimbing II : Prof. Dr. Ir. Adi Soeprijanto, MT. NIP : ABSTRAK Analisis aliran daya digunakan untuk mengetahui parameter aliran daya, khususnya parameter tegangan. Untuk mengetahui parameterparameter yang ada diperlukan peralatan pengukuran yang ditempatkan pada tiap bus agar dapat dimonitoring secara real time. Permasalahan yang sering terjadi dalam monitoring sistem tenaga yaitu kesalahan pada transduser yang menyebabkan error pengukuran semakin besar. Analisis state estimation (SE) digunakan untuk mengatasi permasalahan tersebut. State estimasi berperan untuk monitoring nilai parameter dari keadaan suatu sistem jaringan dan mengurangi gross error measurement pada alat ukur. Pada tugas akhir ini akan dikaji state estimasi dengan metode Extended Kalman Filter (EKF). Metode EKF ini dapat menghasilkan estimasi tegangan yang mendekati hasil analisis pada software ETAP, yaitu sebesar 0.99pu dengan error rata-rata terbesar %. Metode ini diaplikasikan menggunakan bahasa pemrograman JAVA pada jaringan distribusi Surabaya Utara. Kata kunci : Extended Kalman Filter, error pengukuran, JAVA i

5 STATE ESTIMATION AT 20 KV DISTRIBUTION NETWORK NORTH SURABAYA WITH EXTENDED KALMAN FILTER METHOD USING JAVA PROGRAMMING LANGUAGE Student Name : Aisah Nur Laily Id Number : Supervisor I : Prof. Ir. Ontoseno Penangsang, M.sc, Ph.D Id Number : Supervisor II : Prof. Dr. Ir. Adi Soeprijanto, MT. Id Number : ABSTRACT Power flow analysis is used to determine the parameters of the power flow, in particular voltage parameter. To determine the existing parameters necessary measuring equipment placed on each bus to be monitored in real time. Problems often occur in the power system monitoring is an error in the measurement transducer that causes greater error. Analysis of state estimation (SE) is used to overcome these problems. State estimation of a role for monitoring parameter values of the state of a network system and reduce the gross errors of measurement on the instrument. In this final project will be studied state estimation method Extended Kalman Filter (EKF). EKF method can produce voltages approaching the estimated results of the analysis on ETAP software, which amounted 0.99pu with the greatest error rate %. This method was applied using the JAVA programming language in North Surabaya distribution network. Keyword : Extended Kalman Filter, measurement error, JAVA iii

6 KATA PENGANTAR Alhamdulillah puji syukur kehadirat Allah SWT, atas izin-nya sehingga Tugas Akhir ini dapat terselesaikan. Tidak lupa penyusun menyadari bahwa ini semua juga atas bantuan dari banyak pihak. Oleh karena itu dengan penuh rasa hormat dan rendah hati, penyusun mengucapkan terima kasih kepada : 1. Allah SWT yang senantiasa memberikan rahmat, hidayah, dan petunjuk-nya sehingga penulis dapat menyelesaikan Tugas Akhir ini. 2. Kepada kedua orang tua dan keluarga yang telah memberikan dukungan dan doa. 3. Kepada Bapak Prof. Ir. Ontoseno Penangsang, M.Sc.,Ph.D dan Bapak Prof. Dr. Ir. Adi Soeprijanto, MT. atas bimbingan selama pengerjaan tugas akhir ini. 4. Seluruh dosen penguji atas arahan dan kritikan yang telah diberikan demi kesempurnaan Tugas Akhir ini. 5. Bapak Dr. Ardyono Priyadi, ST., MT. selaku Ketua Jurusan Teknik Elektro ITS. 6. Seluruh Dosen dan Karyawan di jurusan Teknik Elektro ITS atas fasilitas dan waktu yang diberikan. 7. Teman-teman seperjuangan Niken, Sherly, Santi, Nadya, Uci yang telah berjuang bersama-sama untuk mendapatkan gelar Sarjana. 8. Mas Wira Candra, Mas I Putu Widya Wiranata, Mbak Indri Suryawati yang telah banyak membantu dalam Tugas Akhir ini. 9. Semua teman-teman mahasiswa Lintas Jalur Teknik Elektro ITS angkatan 2013 semester genap bidang studi Teknik Sistem Tenaga. Akhir kata, segala kritik dan saran sangat saya harapkan untuk pengembangan selanjutnya. Surabaya, 15 Desember 2015 Penyusun v

7 DAFTAR ISI HALAMAN HALAMAN JUDUL PERNYATAAN KEASLIAN TUGAS AKHIR LEMBAR PENGESAHAN ABSTRAK... i ABSTRACT... iii KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... ix DAFTAR TABEL... xi BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan Tujuan Metode Penelitian Sistematika Penulisan Relevansi... 3 BAB II STATE ESTIMASI PADA JARINGAN DISTRIBUSI 2.1 Sistem Tenaga Listrik Jaringan Distribusi Sistem Pendistribusian Tenaga Listrik Struktur Jaringan Distribusi Bentuk Konfigurasi Jaringan Distribusi Analisa Aliran Daya Monitoring Sistem Tenaga Listrik Supervisory Control And Data Acquisition State Estimasi Bahasa Pemrograman JAVA BAB III METODOLOGI 3.1 Metodologi Pengerjaan Tugas Akhir Sistem Distribusi 20KV Surabaya Utara Perancangan Algoritma Extended Kalman Filter vii

8 Proses Pelinieran EKF Diagram Alir Program EKF Inisialisasi Variabel Awal dan Input Data Iterasi EKF BAB IV SIMULASI DAN ANALISIS 4.1 Simulasi State Estimation Simulasi Penyulang Kaliasin Simulasi Penyulang Basuki Rahmat Simulasi Penyulang Ometraco Simulasi Penyulang Tunjungan Simulasi Penyulang Tegalsari Analisa Grafik State Estimasi Penyulang Kaliasin Penyulang Basuki Rahmat Penyulang Ometraco Penyulang Tunjungan Penyulang Tegalsari BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran DAFTAR PUSTAKA BIODATA PENULIS LAMPIRAN viii

9 DAFTAR GAMBAR HALAMAN Gambar 2.1 Diagram Garis Sistem Tenaga Listrik...5 Gambar 2.2 Struktur Jaringan Distribusi...7 Gambar 2.3 Sistem Distribusi Radial...8 Gambar 2.4 Sistem Distribusi Ring...9 Gambar 2.5 Cara Kerja JAVA Gambar 2.6 Penulisan kode program JAVA Gambar 3.1 Diagram alir metodologi pengerjaan tugas akhir Gambar 3.2 Diagram Satu Garis Penyulang Kaliasin Gambar 3.3 Diagram Satu Garis Penyulang Basuki Rahmat Gambar 3.4 Diagram Satu Garis Penyulang Ometraco Gambar 3.5 Diagram Satu Garis Penyulang Tunjungan Gambar 3.6 Diagram Satu Garis Penyulang Tegalsari Gambar 3.7 Diagram alir Extended Kalman Filter Gambar 4.1 Running program state estimasi penyulang kaliasin Gambar 4.2 Running program state estimasi penyulang Basuki Rahmat Gambar 4.3 Running program state estimasi penyulang Ometraco Gambar 4.4 Running program state estimasi penyulang Tunjungan Gambar 4.5 Running program state estimasi penyulang Tegalsari Gambar 4.6 Grafik analisis hasil SE penyulang kaliasin Gambar 4.7 Grafik analisis hasil SE penyulang basuki rahmat Gambar 4.8 Grafik analisis hasil SE penyulang ometraco Gambar 4.9 Grafik analisis hasil SE penyulang tunjungan Gambar 4.10 Grafik analisis hasil SE penyulang tegalsari ix

10 DAFTAR TABEL HALAMAN Tabel 3.1 Data Beban Penyulang Kaliasin Tabel 3.2 Data Beban Penyulang Basuki Rahmat Tabel 3.3 Data Beban Penyulang Ometraco Tabel 3.4 Data Beban Penyulang Tunjungan Tabel 3.5 Data Penyulang Tegalsari Tabel 3.6 Data Impedansi Saluran Penyulang Kaliasin Tabel 3.7 Data Impedansi Saluran Penyulang Basuki Rahmat Tabel 3.8 Data Impedansi Saluran Penyulang Ometraco Tabel 3.9 Data Impedansi Saluran Penyulang Tunjungan Tabel 3.10 Data Impedansi Saluran Penyulang Tegalsari Tabel 4.1 Hasil Simulasi State Estimation Penyulang Kaliasin dengan metode EKF Tabel 4.2 Hasil Simulasi State Estimation Penyulang Basuki Rahmat dengan metode EKF Tabel 4.3 Hasil Simulasi State Estimation Penyulang Ometraco dengan metode EKF Tabel 4.4 Hasil Simulasi State Estimation Penyulang Tunjungan dengan metode EKF Tabel 4.5 Hasil Simulasi State Estimation Penyulang Tegalsari dengan metode EKF xi

11 Halaman ini sengaja dikosongkan xii

12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kota Surabaya sebagai pusat pemerintahan provinsi Jawa Timur merupakan kota kedua di Indonesia dengan jumlah penduduk cukup besar, pertumbuhan industri yang pesat dan luas wilayah yang cukup besar. Kota tersebut membutuhkan distribusi tenaga listrik yang cukup besar dan memadai agar kebutuhan pelanggan akan tenaga listrik dapat terpenuhi. Dalam memenuhi kebutuhan tenaga listrik, analisis aliran daya diperlukan untuk mengetahui daya yang tersambung dan daya terpakai oleh para pelanggan. Analisis aliran daya digunakan untuk mengetahui parameter aliran daya, khususnya parameter tegangan.[1] Untuk mengetahui parameter-parameter yang ada diperlukan peralatan pengukuran yang ditempatkan pada tiap bus. Peralatan pengukuran ini dipasang pada tiap bus agar dapat dimonitoring secara real time. Namun, dalam monitoring sistem tenaga listrik seringkali terdapat beberapa permasalahan. Permasalahan yang sering terjadi dalam monitoring sistem tenaga yaitu kesalahan pada transduser yang menyebabkan error pengukuran semakin besar. Di samping itu, transduser juga memiliki gross error alat ukur yang mengakibatkan hasil pengukuran yang tidak akurat. Oleh karena itu, State Estimasi diperlukan untuk mengestimasi nilai parameter dari keadaan suatu sistem jaringan, mengetahui nilai yang paling mendekati dengan nilai real pengukuran sehingga output yang didapat lebih akurat. Pada tugas akhir ini dikaji sistem non-linier dengan EKF (Extended Kalman Filter) yang merupakan pengembangan dari metode Kalman Filter[2], yang dapat mengidentifikasi sistem non-linier. Metode EKF diharapkan dapat menghasilkan output yang lebih akurat dan dapat mengetahui gross error measurement pada alat ukur. Bahasa pemrograman yang digunakan pada tugas akhir ini adalah bahasa pemrograman JAVA. JAVA merupakan bahasa pemrograman komputer yang berbasis OOP (Object Oriented Programming) yaitu suatu pendekatan yang memungkinkan suatu kode yang digunakan untuk menyusun program menjadi lebih mudah untuk digunakan kembali, lebih handal, dan lebih mudah dipahami.[3] 1

13 1.2 Permasalahan Permasalahan yang akan dibahas dalam penyelesaian Tugas Akhir ini adalah : 1. Cara menerapkan metode EKF pada state estimasi. 2. Cara menentukan parameter state estimasi pada jaringan distribusi Surabaya Utara. 3. Cara merancang & mendesain program SE dengan metode EKF menggunakan bahasa pemrograman JAVA. 4. Cara menerapkan state estimasi dengan metode EKF pada jaringan distribusi Surabaya utara. 1.3 Tujuan Adapun tujuan dari pembuatan Tugas Akhir ini adalah : 1. Mengetahui prinsip state estimation. 2. Mengetahui prinsip metode Extended Kalman Filter(EKF.) 3. Mengetahui nilai tegangan pada suatu bus dan error pengukuran dengan metode EKF. 4. Mengetahui bagaimana membangun program state estimation dengan bahasa pemrograman JAVA. 1.4 Metode Penelitian Penelitian Tugas Akhir ini dibagi menjadi beberapa tahap : 1. Studi literatur, dilakukan dengan membaca referensi-referensi berkaitan dengan metode EKF dari buku, paper, dan internet. 2. Pengumpulan data beban dan data impedansi saluran pada sistem distribusi 20KV di Surabaya utara. 3. Pemodelan program dilakukan dengan membuat algoritma Extended Kalman Filter untuk state estimation. 4. Perancangan perangkat lunak untuk memperoleh hasil state estimasi menggunakan bahasa pemrograman JAVA. 5. Simulasi dan analisis, melakukan pengujian program kemudian hasilnya dibandingkan dengan software ETAP. 6. Penyusunan laporan, melaporkan hasil penelitian tersebut dalam bentuk laporan tugas akhir. Laporan ini berisi metode dan kesimpulan dari penelitian. 1.5 Sistematika Penulisan Laporan Tugas Akhir ini disusun dalam suatu sistematika sebagai berikut : 2

14 Bab 1: Pendahuluan yang membahas mengenai latar belakang, permasalahan, tujuan penelitian, metode penelitian, sistematika penulisan dan relevansi dari Tugas Akhir. Bab 2: Dasar teori yang merupakan penjelasan teori mengenai sistem distribusi secara umum, konsep state estimasi, metode Extended Kalman Filter, serta bahasa pemrograman JAVA. Bab 3: Metodologi yang menjelaskan tentang alur proses pengerjaan tugas akhir beserta data jaringan distribusi 20 KV Surabaya Utara. Bab 4: Hasil simulasi program State Estimasi EKF pada data beban dan data saluran jaringan distribusi 20 KV Surabaya Utara dengan bahasa pemrograman JAVA. Bab 5: Kesimpulan Tugas Akhir yang mengemukakan hasil pembahasan dan saran-saran yang sehubungan dengan pokok-pokok bahasan tugas akhir. 1.6 Relevansi Hasil yang diperoleh dari Tugas Akhir ini diharapkan dapat memberikan manfaat berikut, 1. Memberikan kontribusi terhadap perkembangan sistem kelistrikan, khususnya pada permasalahan yang berkaitan dengan pengukuran dan monitoring sistem tenaga listrik. 2. Dapat meningkatkan penguasaan Ilmu Pengetahuan dan Teknologi (IPTEK) di bidang Sistem Tenaga bagi pengusul Tugas Akhir. 3. Dapat menjadi referensi bagi mahasiswa lain yang hendak mengambil topik yang serupa sebagai Tugas Akhir. 4. Memberikan kontribusi terhadap instansi/perusahaan kelistrikan, dengan digunakannya Java Programming yang dapat digunakan sebagai program aplikasi pada komputer. 3

15 Halaman ini sengaja dikosongkan 4

16 BAB 2 STATE ESTIMASI PADA JARINGAN DISTRIBUSI 2.1 Sistem Tenaga Listrik Energi listrik merupakan kebutuhan yang sangat penting bagi setiap orang. Energi listrik dapat dimanfaatkan untuk berbagai keperluan, seperti penerangan jalan, keperluan rumah tangga, sampai di industri/ pabrik-pabrik dan berbagai bidang lain. Dalam penyediaan energi listrik kita perlu mengetahui sistem tenaga listrik. Sistem tenaga listrik dibagi menjadi 3 bagian utama, yaitu pembangkitan, transmisi dan distribusi yang terintegrasi untuk memenuhi kebutuhan energi listrik untuk semua konsumen energi listrik. Pada pembangkitan tenaga listrik sumber energi alam diubah menjadi energi mekanis berupa kecepatan atau putaran, kemudian dari energi mekanis diubah menjadi energi listrik oleh generator. Untuk menyalurkan energi listrik dari pusat pembangkit ke pusat beban (Gardu Induk) dibutuhkan saluran transmisi. Daya yang akan dikirim atau disalurkan dari pusat pembangkit ke pusat beban ditransmisikan dengan tegangan tinggi maupun tegangan ekstra tinggi. Pada pusat beban, seperti GI (Gardu Induk) daya yang disalurkan melalui saluran transmisi tegangan tinggi diubah menjadi tegangan menengah (tegangan distribusi primer), selanjutnya diturunkan lagi menjadi tegangan rendah yang dipakai oleh konsumen energi listrik. Berikut deskripsi penyaluran energi listrik dari sumber ke beban : G Pembangkitan Transmisi Distribusi Gambar 2.1 Diagram Garis Sistem Tenaga Listrik 5

17 2.2 Jaringan Distribusi Sistem Pendistribusian Tenaga Listrik Sistem distribusi pada jaringan distribusi tenaga listrik perlu diketahui agar kita mengetahui proses penyaluran tenaga listrik dari pembangkit sampai ke pengguna tenaga listrik (beban). Sistem pendistribusian tenaga listrik dibagi menjadi dua, yaitu : a. Sistem pendistribusian langsung Merupakan sistem distribusi yang tidak melalui saluran transmisi. Sistem penyalurannya dari pusat pembangkit langsung ke pusat beban. Biasanya terletak dekat dengan daerah pelayanan beban. b. Sistem pendistribusian tidak langsung Merupakan sistem distribusi yang melalui saluran transmisi. Biasanya terletak dekat dengan pusat-pusat beban, sehingga memerlukan jaringan transmisi Struktur Jaringan Distribusi Struktur jaringan distribusi dibagi menjadi beberapa bagian, yaitu : a. Gardu Induk atau Pusat Pembangkit Tenaga Listrik Jika sistem pendistribusian tenaga listrik dilakukan secara langsung, maka pusat pembangkit tenaga listrik menjadi bagian pertama dari sistem distribusi tenaga listrik. Sebagai contohnya adalah PLTD (Pembangkit Listrik Tenaga Diesel) yang terletak di pinggiran kota. Untuk menyalurkannya ke pusat-pusat beban melalui jaringan distribusi primer dan jaringan distribusi sekunder. Jika sistem pendistribusian tenaga listriknya secara tidak langsung, maka bagian pertama dari sistem pendistribusian tenaga listrik adalah GI (Gardu Induk). Pada Gardu Induk Tegangan Tinggi diturunkan melalui saluran transmisi, kemudian akan disalurkan melalui jaringan distribusi primer. b. Jaringan distribusi primer Untuk sistem distribusi langsung, jaringan distribusi primer merupakan awal penyaluran tenaga listrik dari Pusat Pembangkit Tenaga Listrik ke konsumen. Untuk pendistribusian tidak langsung, jaringan distribusi primer menjadi tahap penyaluran berikutnya setelah GI (Gardu Induk). Jaringan distribusi primer memiliki tegangan sistem sebesar 20 kv. Untuk wilayah kota tegangan di atas 30 kv 6

18 tidak diperbolehkan, karena pada tegangan 30 kv akan terjadi korona yang dapat mengganggu frekuensi radio, televisi, dan telekomunikasi. c. Jaringan distribusi sekunder Berfungsi merubah tegangan dari jaringan distribusi primer menjadi Tegangan Rendah (TR) yang siap digunakan oleh pelanggan. Bagian ini disebut dengan jaringan distribusi sekunder. Kapasitas trafo yang digunakan pada bagian ini tergantung pada jumlah beban yang akan dilayani dan luas daerah pelayanan beban. Dapat berupa trafo satu fasa maupun trafo tiga fasa. G G GARDU INDUK PEMBANGKIT GARDU INDUK TRANSMISI GARDU INDUK DISTRIBUSI Gambar 2.2 Struktur Jaringan Distribusi 7

19 2.2.3 Bentuk Konfigurasi Jaringan Distribusi a. Sistem distribusi radial Merupakan jaringan sistem distribusi yang salurannya ditarik secara radial dari satu titik sumber kemudian bercabang menuju ke beban-beban. Tipe radial yang paling banyak diterapkan pada saluran distribusi karena konfigurasinya sederhana dan biaya investasinya murah. Pada jaringan ini arus yang paling besar adalah arus yang paling dekat dengan Gardu Induk. Namun, bentuk jaringan ini kurang handal dalam penyaluran energi listrik karena bila terjadi gangguan pada penyulang akan menyebabkan terjadinya pemadaman pada penyulang tersebut. Gambar 2.3 Sistem distribusi radial b. Sistem distribusi Ring / Loop Merupakan jaringan distribusi yang melingkar (Ring), pada saat terjadi gangguan masih bisa disuplai dari bus yang lain. Seperti terlihat pada gambar 2.4, konfigurasi jaringan ini merupakan jaringan distribusi primer, gabungan dari dua tipe jaringan radial dimana ujung kedua jaringan dipasang PMT. Pada keadaan normal tipe ini bekerja secara radial dan pada saat terjadi gangguan PMT dapat dioperasikan sehingga gangguan dapat dilokalisir. Konfigurasi ring/loop ini lebih handal dalam penyaluran tenaga listrik dibandingkan tipe radial, namun biaya investasinya lebih mahal. 8

20 JTM GD Gambar 2.4 Sistem distribusi ring 2.3 Analisis Aliran Daya Semakin bertambahnya konsumen akan kebutuhan tenaga listrik, maka akan selalu terjadi perubahan beban, perubahan unit-unit pembangkit, dan perubahan saluran. Dengan analisis aliran daya dapat digunakan untuk perencanaan dan pengembangan sistem tenaga listrik di masa depan, serta menentukan operasi terbaik pada jaringan yang sudah ada. Analisis aliran daya penting untuk diketahui karena dengan analisis aliran daya kita dapat mengetahui informasi tentang beban pada saluran, tegangan di setiap bus, menentukan besarnya daya nyata (real power) dan daya reaktif (reactive power) pada saluran saat sistem beroperasi normal, mengetahui arus yang mengalir pada saluran, dan untuk mengetahui besar rugi-rugi daya pada saluran. Untuk mendapatkan nilai aliran daya pada masing-masing bus diperlukan data saluran dan data bus. Data saluran terdiri dari data nilai resistansi dan reaktansi penghantar beserta dengan panjangnya. Nilai ini digunakan sebagai pertimbangan untuk menghitung tegangan jatuh yang melewati saluran tersebut. Data bus terdiri dari nilai daya aktif dan reaktif yang mengalir di tiap bus. Semua data saluran dan data bus tersebut diproses untuk mendapatkan nilai tegangan di tiap bus sesuai dengan nilai toleransi yang diinginkan. Proses iterasi analisa aliran daya 9

21 yang umum digunakan ada tiga metode yaitu Newton Raphson, Gauss Seidel dan Fast Decoupled[1]. Hasil perhitungan analisis aliran daya dapat digunakan untuk menyelesaikan berbagai masalah yang berhubungan dengan jaringan sistem tenaga, yaitu meliputi hal-hal yang berhubungan dengan operasi jaringan, yaitu :[4] a. Pengaturan tegangan (voltage regulation), perbaikan factor daya (power factor) jaringan, kapasitas kawat penghantar, termasuk rugi-rugi daya. b. Perluasan atau pengembangan jaringan, yaitu menentukan lokasi yang tepat untuk penambahan bus beban baru dan unit pembangkit atau gardu induk baru. c. Perencanaan jaringan, yaitu kondisi jaringan yang diinginkan pada masa mendatang untuk melayani pertumbuhan beban karena kenaikan terhadap kebutuhan tenaga listrik. 2.4 Monitoring Sistem Tenaga Listrik Suatu sistem tenaga listrik yang kompleks memiliki puluhan dan bahkan sampai ratusan titik bus. Untuk menjaga agar keadaan pada tiap bus dalam kondisi aman, harus dilakukan monitoring agar dapat diketahui kondisi pada tiap bus. Sehingga dapat segera ditangani apabila sistem mengalami overloading yang dapat menyebabkan blackouts. Sistem monitoring yang umum digunakan pada sistem tenaga listrik ialah Supervisory Control And Data Acquisition (SCADA). Konsep dari state estimasi adalah menggunakan data SCADA untuk menghitung magnitude tegangan dan sudut fasa pada masing-masing bus. Data SCADA ini berupa data pengukuran,, dan magnitude tegangan pada masing-masing bus.[11] Supervisory Control And Data Acquisition (SCADA) SCADA adalah singkatan dari Supervisory Control And Data Acquisition merupakan suatu teknologi yang menggabungkan fungsi pengawasan, pengendalian, dan pengambilan data jarak jauh. Suatu sistem SCADA bertujuan untuk mengumpulkan informasi atau data dari lapangan kemudian mengirimkan data tersebut ke sebuah komputer pusat yang akan mengatur dan mengontrol data-data tersebut [11]. Dalam pengoperasiannya, SCADA terbagi atas beberapa komponen penyusun utama, yaitu [11] : 10

22 1. Instrumentasi, dapat berupa sensor atau relay kontrol yang terhubung langsung ke peralatan. Instrumentasi ini akan menghasilkan data yang akan dimonitor oleh Remote Telemetry Units (RTU). 2. Remote Station, merupakan sebuah unit yang dilengkapi dengan sistem mandiri seperti sebuah komputer, yang ditempatkan pada lokasi dan tempat-tempat tertentu di lapangan. 3. Jaringan komunikasi (Communications Network), merupakan peralatan yang berfungsi untuk mentransfer data dari Remote Station ke Master Terminal Unit. Peralatan transfer ini dapat berupa jaringan kabel, jaringan radio ataupun jaringan telpon. 4. Unit Master SCADA (Master Terminal Unit MTU), merupakan komputer yang digunakan sebagai pengolah data pusat dari sistem SCADA. Pengolahan data yaitu berupa monitor dan kontrol. Unit master ini menyediakan HMI (Human Machine Interface) bagi pengguna dan secara otomatis mengatur sistem sesuai dengan masukan-masukan (dari sensor) yang diterima. Pada dasarnya suatu sistem SCADA mempunyai 4 fungsi utama yaitu sebagai berikut [11] : 1. Telemetering (TM) Telemetering merupakan suatu proses untuk mendapatkan informasi atau data. Data yang didapat merupakan hasil pengukuran dari alat ukur yang dipasang pada suatu peralatan. Misalnya seperti pengukuran tegangan, arus, daya dan lain-lain. 2. Telesignal (TS) Telesignal adalah suatu proses untuk mendapatkan informasi suatu peralatan tertentu dengan mendeteksi nilai suatu sensor. 3. Telecontrol (TC) Telecontrol adalah suatu proses kontrol atau kendali terhadap suatu peralatan dengan secara remote atau jarak jauh. 4. Data Communication Data communication adalah suatu proses pengiriman data dari suatu sensor ke komputer ataupun dari suatu komputer ke komputer lain. Kebanyakan sinyal yang dihasilkan dari suatu sensor dan relai kontrol tidak dapat langsung diterjemahkan oleh protokol komunikasi. Oleh karena itu dibutuhkan 11

23 Remote Terminal Unit (RTU) yang berfungsi menjembatani antara sensor dan jaringan SCADA. 2.5 State Estimasi Metode State estimasi merupakan sebuah proses untuk menentukan sebuah variabel yang tidak diketahui berdasarkan pengukuran dari sistem. Di desain untuk menghasilkan estimasi atau perkiraan terbaik yang mendekati dengan kondisi real sistem. Kriteria yang paling sering dan familiar untuk state estimasi yaitu meminimalkan jumlah kuadrat selisih antara estimasi pengukuran dengan pengukuran real (least-squares). Ide dari estimasi least-squares diperkenalkan dan digunakan sejak abad-19. Kemudian pengembangan aplikasinya pada abad 20 di bidang aerospace untuk menentukan estimasi lintasan dan posisi pesawat terbang, rudal, dan kendaraan ruang angkasa.[5] Pada sistem tenaga variabel state estimasi berupa magnitude tegangan dan sudut fasa. Data yang diperlukan untuk estimasi variabel tersebut antara lain data bus dan data saluran. Untuk data bus berupa data daya aktif dan daya reaktif yang mengalir pada bus, sedangkan data saluran berupa data resistansi dan reaktansi antar saluran bus. Dari datadata tersebut diproses dengan metode state estimasi untuk mendapatkan nilai variabel tegangan. Dengan metode state estimasi kita dapat memperbaiki kesalahan atau error pengukuran yang terjadi agar diperoleh nilai variabel tegangan yang lebih akurat.[5] State estimasi juga dapat membantu operator sistem tenaga dalam mengidentifikasi apabila terjadi kesalahan dalam monitoring aliran daya. 2.6 Bahasa Pemrograman JAVA JAVA dikembangkan oleh Sun Microsystems pada Agustus 1991 dengan nama semula Oak. Di buat pertama kali oleh James Gosling. Nama Oak dianggap kurang komersial, kemudian namanya diubah menjadi JAVA pada Januari JAVA merupakan bahasa pemrograman komputer yang berbasis OOP (Object Oriented Programming), terdiri dari kelas-kelas yang membentuk suatu objek yang dapat digunakan untuk menyusun program menjadi lebih mudah. [7]. JAVA dapat dijalankan pada semua operating system (OS), karena JAVA memiliki cara kerja yang berbeda dengan bahasa 12

24 pemrograman lain. Gambar 2.6 mendeskripsikan tentang cara kerja JAVA : myprogram.java Interpreter Compiler myprogram.class myprogram Gambar 2.5 cara kerja JAVA Kode program ditulis kemudian disimpan dengan nama file yang sama persis dengan nama classnya dengan ekstensi(.java) misalnya coding.java, dari file ini kemudian di compile dengan compiler java(javac) sehingga menghasilkan file dengan ekstensi (.class),misalkan file coding.java tadi setelah di compile akan muncul file baru dengan nama coding.class. file coding.class ini akan dijalankan oleh JVM (JAVA Virtual Machine). JVM merupakan perangkat lunak yang dikembangkan secara khusus agar tidak tergantung dengan perangkat keras serta sistem operasi tertentu. Penulisan kode program JAVA seperti berikut : Class HelloWorldApp{ Public static void main(string[] args){ System.out.println( Hello World ); } } Gambar 2.6 penulisan kode program JAVA 13

25 Karakteristik JAVA antara lain : - Sederhana (simple) - Berorientasi objek (Object Oriented) - Terdistribusi (Distributed) - Aman - Portable Kelebihan bahasa pemrograman JAVA [7]: - Multiplatform Kelebihan utama dari JAVA ialah dapat dijalankan di beberapa platform / sistem operasi komputer, sesuai dengan prinsip tulis sekali, jalankan di mana saja. Dengan kelebihan ini pemrogram cukup menulis sebuah program JAVA dan dikompilasi (diubah, dari bahasa yang dimengerti manusia menjadi bahasa mesin / bytecode) sekali lalu hasilnya dapat dijalankan pada beberapa platform tanpa perubahan. Kelebihan ini memungkinkan sebuah program berbasis JAVA dikerjakan pada operating system Linux tetapi dijalankan dengan baik di Microsoft Windows. Penyebabnya adalah setiap sistem operasi menggunakan programnya sendiri-sendiri (yang dapat diunduh dari situs JAVA) untuk menginterpretasikan bytecode tersebut. - OOP (Object Oriented Programming) Pemrograman berorientasi objek. - Library yang lengkap JAVA terkenal dengan kelengkapan library/perpustakaan (kumpulan program program yang disertakan dalam pemrograman JAVA) yang sangat memudahkan dalam penggunaan oleh para pemrogram untuk membangun aplikasinya. Kelengkapan perpustakaan ini ditambah dengan keberadaan komunitas JAVA yang besar yang terus menerus membuat perpustakaan-perpustakaan baru untuk melingkupi seluruh kebutuhan pembangunan aplikasi. - Bergaya C++ memiliki sintaks seperti bahasa pemrograman C++ sehingga menarik banyak pemrogram C++ untuk pindah ke JAVA. Saat ini pengguna JAVA sangat banyak, sebagian besar adalah pemrogram C++ yang pindah ke JAVA. Kelebihan lain dari bahasa pemrograman JAVA ini adalah hasil build programnya dapat dijadikan.exe, sehingga dapat dijalankan menjadi suatu aplikasi yang dapat di-install pada komputer stand alone 14

26 jika dibandingkan dengan bahasa pemrograman lain yang hanya dapat digunakan untuk simulasi dan membantu perhitungan saja, tidak dapat dijadikan suatu program aplikasi. Bahasa pemrograman JAVA saat ini sudah dikembangkan di berbagai bidang. Sebagai contohnya, JAVA dapat digunakan untuk aplikasi jual-beli online di internet, untuk aplikasi pelelangan saham, aplikasi game pada ponsel, aplikasi diagnose penyakit di bidang kesehatan, aplikasi peramalan tagihan listrik, dan lain-lain. Pada tugas akhir ini, JAVA digunakan untuk simulasi state estimasi. Simulasi state estimasi ini berupa tampilan Single Line Diagram (SLD) dan data hasil state estimasi tegangan dan sudut fasa. Dengan tampilan ini akan lebih memudahkan dalam monitoring sistem tenaga listrik. 15

27 Halaman ini sengaja dikosongkan 16

28 BAB 3 METODOLOGI 3.1 Metodologi Pengerjaan Tugas Akhir Pada bab 3 ini akan dijelaskan tentang metode pengerjaan tugas akhir. Dijelaskan dengan flowchart/diagram alir berikut : Mulai Pengumpulan data (data beban & data impedansi saluran sistem distribusi) Melakukan perancangan algoritma EKF untuk SE Mendesain program Java untuk SE dengan metode EKF Analisis hasil program Selesai Gambar 3.1 diagram alir metodologi pengerjaan tugas akhir 17

29 1. Pengumpulan data Melakukan pengambilan data dari jaringan distribusi Surabaya Utara, berupa data beban dan data impedansi saluran yang akan digunakan untuk state estimasi. 2. Melakukan perancangan algoritma Membuat diagram alir program sesuai dengan logika program EKF. 3. Mendesain dan menulis kode program JAVA. Mengimplementasikan diagram alir program ke dalam bahasa pemrograman JAVA untuk state estimasi menggunakan data penyulang Kaliasin, penyulang Basuki rahmat, penyulang Ometraco, penyulang Tegalsari dan Tunjungan. 4. Analisis hasil program Setelah memperoleh beberapa hasil dari simulasi yang telah dilakukan, dianalisis hasil keakuratan hasil simulasinya, untuk mengetahui apakah metode yang digunakan dapat menghasilkan data yang akurat Sistem Distribusi 20KV Surabaya Utara Pada Tugas Akhir ini, penulis melakukan pengambilan data yang berupa data pembangkitan, data saluran, data pembebanan pada sistem distribusi 20 KV wilayah Surabaya Utara. Data saluran dan data pembebanan inilah yang akan digunakan untuk input program state estimasi pada bahasa pemrograman JAVA Eclipse yang berupa resistansi (R), reaktansi (X), daya aktif (P), dan daya reaktif (Q). Sistem distribusi Surabaya Utara terdiri dari lima penyulang, yaitu penyulang kaliasin, penyulang basuki rahmat, penyulang ometraco, penyulang tunjungan dan penyulang tegalsari. Masing-masing penyulang memiliki konfigurasi jaringan dan jumlah beban yang berbeda-beda. 18

30 Penyulang kaliasin terdiri dari 10 bus dengan pembebanan pada bus 3, 5, 6, 9, dan 10 serta terdapat 10 cabang saluran. Penyulang basuki rahmat terdiri dari 28 bus dengan 28 cabang saluran yang berbeda. Penyulang ometraco terdiri dari 13 bus dengan 13 cabang saluran yang berbeda. Penyulang tunjungan terdiri dari 12 bus dengan pembebanan yang berbeda serta terdapat 12 cabang saluran yang berbeda. Penyulang tegalsari terdiri dari 20 bus dengan pembebanan yang berbeda serta terdapat 20 cabang saluran yang berbeda. Diagram satu garis untuk penyulang kaliasin, basuki rahmat, ometraco, tunjungan dan tegalsari berturut-turut ditunjukkan pada Gambar 3.2, Gambar 3.3, Gambar 3.4, Gambar 3.5 dan Gambar

31 20 kv Bus 1 Bus 2 Bus 4 Bus 3 Bus 5 Bus 6 Bus 7 Bus 8 Bus 9 Bus 10 Gambar 3.2 Diagram Satu Garis Penyulang Kaliasin 20

32 Bus 1 Bus 2 Bus 6 Bus 3 Bus 4 Bus 5 Bus 10 Bus 9 Bus 8 Bus 7 Bus 11 Bus 14 Bus 12 Bus 13 Bus 15 Bus 16 Bus 18 Bus 21 Bus 20 Bus 19 Bus 17 Bus 22 Bus 23 Bus 24 Bus 25 Bus 26 Bus 27 Bus 28 Gambar 3.3 Diagram Satu Garis Penyulang Basuki Rahmat 21

33 Bus 1 Bus 2 Bus 3 Bus 4 Bus 5 Bus 7 Bus 12 Bus 6 Bus 13 Bus 8 Bus 9 Bus 10 Bus 11 Gambar 3.4 Diagram Satu Garis Penyulang Ometraco 22

34 Bus 1 Bus 2 Bus 3 Bus 4 Bus 5 Bus 9 Bus 11 Bus 10 Bus 6 Bus 12 Bus 8 Bus 7 Gambar 3.5 Diagram Satu Garis Penyulang Tunjungan 23

35 Bus 1 Bus 2 Bus 12 Bus 13 Bus 3 Bus 14 Bus 4 Bus 5 Bus 15 Bus 6 Bus 7 Bus 16 Bus 17 Bus 19 Bus 20 Node 18 Bus 8 Bus 10 Bus 9 Bus 11 Gambar 3.6 Diagram Satu Garis Penyulang Tegalsari 24

36 Data beban untuk penyulang kaliasin, basuki rahmat, ometraco, tunjungan dan tegalsari ditunjukkan pada Tabel 3.1, Tabel 3.2, Tabel 3.3, Tabel 3.4, dan Tabel 3.5. Tabel 3.1 Data Beban Penyulang Kaliasin No Bus P(KW) Q(KVar) Tabel 3.2 Data Beban Penyulang Basuki Rahmat No Bus P(KW) Q(KVar)

37 Lanjutan Tabel 3.2 Data Beban Penyulang Basuki Rahmat No Bus P(KW) Q(KVar) Tabel 3.3 Data Beban Penyulang Ometraco No Bus P(KW) Q(KVar)

38 Lanjutan Tabel 3.3 Data Beban Penyulang Ometraco No Bus P(KW) Q(KVar) Tabel 3.4 Data Beban Penyulang Tunjungan No Bus P(KW) Q(KVar) Tabel 3.5 Data Beban Penyulang Tegalsari No Bus P(KW) Q(KVar)

39 Lanjutan Tabel 3.5 Data Beban Penyulang Tegalsari No Bus P(KW) Q(KVar) Data lainnya adalah data impedansi saluran. Data impedansi saluran untuk penyulang kaliasin, basuki rahmat, ometraco, tunjungan dan tegalsari berturut-turut ditunjukkan pada ditunjukkan pada Tabel 3.6, Tabel 3.7, Tabel 3.8, Tabel 3.9, dan Tabel

40 Tabel 3.6 Data Impedansi Saluran Penyulang Kaliasin Dari Bus Ke Bus R (ohm/km) X (ohm/km) Panjang (meter) Tabel 3.7 Data Impedansi Saluran Penyulang Basuki Rahmat R X Panjang Dari Bus Ke Bus (ohm/km) (ohm/km) (meter)

41 Lanjutan Tabel 3.7 Data Impedansi Saluran Penyulang Basuki Rahmat R X Panjang Dari Bus Ke Bus (ohm/km) (ohm/km) (meter) Tabel 3.8 Data Impedansi Saluran Penyulang Ometraco R X Panjang Dari Bus Ke Bus (ohm/km) (ohm/km) (meter)

42 Tabel 3.9 Data Impedansi Saluran Penyulang Tunjungan R X Panjang Dari Bus Ke Bus (ohm/km) (ohm/km) (meter) Tabel 3.10 Data Impedansi Saluran Penyulang Tegalsari R X Panjang Dari Bus Ke Bus (ohm/km) (ohm/km) (meter)

43 Lanjutan Tabel 3.10 Data Impedansi Saluran Penyulang Tegalsari R X Panjang Dari Bus Ke Bus (ohm/km) (ohm/km) (meter) Perancangan Algoritma Extended Kalman Filter Extended Kalman Filter (EKF) merupakan pengembangan dari metode Kalman Filter. EKF menggabungkan antara sistem dengan vektor pengukuran melalui transformasi deret Taylor. EKF digunakan untuk mengestimasi variabel dari sistem dinamik non-linier. Dengan kata lain, EKF digunakan untuk melinearkan fungsi non-linear menggunakan deret Taylor. Pemodelan untuk sistem non-linear diuraikan pada persamaan 3.1.[6] dari EKF dapat (3.1) Dimana dan merupakan vektor state pada waktu k dan k-1, merupakan fungsi non linier yang menggantikan matriks F dan G pada Kalman Filter, merupakan noise proses dengan mean nol dan dengan kovarians Q.[6] Pemodelan untuk pengukuran dari EKF diuraikan pada persamaan 3.2.[6] 32

44 [ ] [ ] [ ] (3.2) Dimana nilai adalah vektor pengukuran dengan (m) jumlah sensor pengukuran, adalah fungsi non linier dari pengukuran untuk vektor keadaan m dengan adalah noise vektor pengukuran, noise ini berupa error alat ukur. M adalah jumlah pengukuran sedangkan n adalah variabel state estimasi Proses Pelinieran EKF EKF bekerja dengan cara melinierkan proses dan pengukuran menggunakan deret Taylor di sekitar mean dan kovarians. Pada persamaan (3.3) dan (3.4) variabel state dan dapat diestimasi dengan memperhatikan nilai dan [6]: (3.3) (3.4) Dan, (3.5) (3.6) variabel state dan yang diestimasi dengan deret Taylor [6]: 33

45 Jika turunan orde diabaikan, maka persamaan (3.5) dan (3.6) menjadi : Atau (3.7) (3.8) (3.9) (3.10) Persamaan (3.9) dan (3.10) merupakan persamaan linier. Dimana,sehingga merupakan error estimasi priori, untuk mencari nilai kovarians prior, yaitu : (3.11) Sehingga di dapatkan : Estimasi prior dari state : (3.12) Estimasi kovarians prior : (3.13) Setelah estimasi state dan kovarians prior didapatkan, hasil ini dikoreksi kembali pada proses measurement update (proses koreksi). Dari persamaan (3.10) dapat dirubah menjadi[6] : (3.14) 34

46 Estimasi state posterior didapatkan dari kombinasi linier dari estimasi state prior dan pengukuran sebagai berikut[6] : (3.15) (3.16) = = (I- (3.17) 35

47 Diagram Alir Program EKF Mulai Inisialisasi variabel awal Baca data pengukuran Menghitung residu pengukuran Membentuk Matriks Jacobian Membentuk vektor prediksi Iterasi +1 Membentuk vektor koreksi Menghitung drop tegangan Drop tegangan > toleransi? Ya Selesai Tidak Gambar 3.7 Diagram alir Extended Kalman Filter 36

48 Inisialisasi Variabel Awal dan Input Data Sebelum melakukan iterasi EKF, ada beberapa data awal yang harus didefinisikan, diantaranya adalah : 1. Magnitude tegangan semua bus untuk pertama kali didefinisikan bernilai 1 pu dan sudutnya 0 o. 2. Impedansi saluran berupa resistansi (R) dan reaktansi (X). Data ini adalah data existing dari plan lima penyulang distribusi Surabaya Utara. 3. Daya aktif dan daya reaktif hasil pengukuran pada bus-bus di bawah bus utama. Daya ini dibagi menjadi dua jenis yaitu, daya injeksi pada bus (PQ injection ) dan daya yang mengalir pada saluran (PQ flow ). Jumlah dari daya yang terukur tergantung pada jumlah sensor yang terpasang. Nilai data ini juga berasal dari data existing beban terpasang pada plan lima penyulang distribusi di Surabaya Utara. 4. Toleransi error dari masing-masing alat pengukuran (R). Nilai ini diasumsikan 10-4 untuk pengukuran daya injeksi pada bus dan 6.4 x Untuk pertama kali, data impedansi (Z) harus dibentuk seperti pada Persamaan 3.1. (3.18) dimana : Kemudian dari data impedansi di atas dapat dibentuk data admitansi (Y) sesuai persamaan 3.19.[12] (3.19) 37

49 Data admitansi di atas dapat dipisahkan berdasarkan jenis komponennya sesuai Persamaan 3.3.[12] dimana : (3.20) Data admitansi di atas digunakan untuk membentuk matriks admitansi (Ybus). Matriks admitansi adalah matriks dengan ukuran n baris dan n kolom. Dimana n adalah jumlah bus pada sistem. Setiap bus pada sistem tenaga pasti terhubung dengan bus lainnya. Sehingga matriks admitansi dapat didefinisikan seperti pada Persamaan 3.21.[13] [ ] (3.21) Untuk dapat membentuk persamaan di atas dibutukan Persamaan 3.22 di bawah ini.[13] { (3.22) Salah satu komponen matriks di atas adalah Y 12. Variabel tersebut maksudnya adalah nilai admitansi pada saluran 1-2. Sedangkan komponen matriks dengan baris dan kolom yang sama seperti Y 11, Y 22 hingga Y nn disebut sebagai self admittance.[13] Apabila nilai matriks dijumlahkan dengan semua komponen matriks pada baris atau kolomnya, nilainya harus saling menghilangkan. 38

50 Kovarians untuk noise proses (Q) merupakan perkalian antara Matriks identitas dari sm dengan kuadrat dari q (standar proses, q = 0.1. sm merupakan ukuran matriks. Inisialisasi awal untuk kovarians berupa matriks identitas dari sm. Misalkan jumlah busnya ada 2, nilai sm(ukuran matriksnya = nbus x 2-1, sm = 3, ukuran matriksnya 3x3. Maka dapat ditentukan[6] : ( ) Data lain yang dibutuhkan sebelum melakukan iterasi adalah data hasil pengukuran (z) dan toleransi error alat pengukuran yang digunakan (R). Kedua data ini direpresentasikan dalam matriks 1 kolom dan beberapa baris yang terdiri dari pengukuran tegangan pada bus utama, pengukuran daya injeksi pada bus dan pengukuran daya pada saluran. Matriks z dan matriks R berturut-turut ditunjukkan pada Persamaan 3.23 dan Persamaan 3.24 [8]. [ ] (3.23) 39

51 (3.24) [ ] Setelah semua data awal didefinisikan, selanjutnya masuk pada proses iterasi EKF. Iterasi ini bertujuan untuk mencari selisih tegangan sesuai toleransi yang diinginkan antara iterasi sekarang dan iterasi sebelumnya Iterasi EKF Pada iterasi pertama, dibentuk matriks h yang merupakan fungsi non-linier dari data pengukuran. Matriks ini dibentuk dari lima komponen utama dari data pengukuran itu sendiri. Matriks ini direpresentasikan pada Persamaan (3.25) [ ] Masing-masing komponen matriks h adalah,,, dan yang berturut-turut ditunjukkan pada Persamaan 3.26, 3.27, 3.28, 3.29 dan 3.30 [10]. (3.26) 40 (3.27)

52 (3.28) (3.29) (3.30) dimana : 41

53 Matriks h ini digunakan untuk mencari residu pengukuran dengan cara mengurangkannya ke data asli pengukuran (z). Fungsi residual dapat dicari menggunakan Persamaan (3.31) Variabel lain yang dibutuhkan untuk proses iterasi adalah matriks Jacobian (H). Matriks jacobian adalah matriks semua turunan parsial orde pertama dari suatu nilai fungsi vektor. Dalam Tugas Akhir ini, matriks jacobian yang digunakan berasal dari data jenis pengukuran yang dibaca yang kemudian diturunkan satu orede berdasarkan tegangan dan sudutnya. Komponen matriks jacobian dalam Tugas Akhir ini ditunjukkan pada Persamaan 3.32 [2]. (3.32) [ ] Setelah nilai matriks jacobian didapat, membentuk vector prediksi dengan persamaan (3.33).[6] (3.33) Kemudian membentuk vector koreksi dengan cara mencari Kalman Gain, menghitung kovarian koreksi (, mencari State koreksi, pada persamaan 3.34, 3.35, 3.36.[6] (3.34) (3.35) (3.36) Apabila terjadi drop tegangan, maka nilai dari persamaan

54 akan negatif. Selanjutnya nilai tersebut ditambahkan dengan nilai magnitude tegangan awal seperti pada persamaan (3.37) Untuk menghitung error pengukuran dapat dicari dengan persamaan 3.38 dan 3.39 [10]: (3.38) (3.39) Dimana dan merupakan nilai magnitude tegangan dan sudut fasa yang sebenarnya dari data pengukuran ETAP. dan adalah tegangan hasil estimasi dan sudut fasa hasil estimasi. merupakan error perbandingan antara nilai magnitude tegangan yang sebenarnya dengan nilai magnitude tegangan hasil estimasi. merupakan error perbandingan antara sudut fasa yang sebenarnya dengan sudut fasa hasil estimasi. 43

55 Halaman ini sengaja dikosongkan 44

56 4.1 Simulasi State Estimation BAB 4 SIMULASI DAN ANALISIS Simulasi state estimation dilakukan dengan cara melakukan running program extended kalman filter state estimation dengan data saluran dan data bus dari lima penyulang di jaringan distribusi 20KV Surabaya Utara. Output dari simulasi state estimation adalah data magnitude tegangan dan sudut fasa dari masing-masing bus. Pada tugas akhir ini pengambilan data dilakukan dengan kondisi semua sensor terpasang. Data-data tersebut selanjutnya divalidasi dengan data hasil aliran daya program ETAP agar dapat diketahui nilai errornya. Dari hasil running program dapat diketahui error rata-rata terbesar dari ke 5 penyulang Surabaya Utara sebesar % Simulasi Penyulang Kaliasin Hasil simulasi state estimasi pada penyulang kaliasin dengan metode EKF dapat dilihat pada Gambar 4.1 Gambar 4.1 Running program state estimasi penyulang kaliasin 45

57 Pada gambar 4.1 merupakan tampilan hasil simulasi state estimasi untuk penyulang kaliasin. Pada frame tersebut terdapat 5 tombol, diantaranya tombol Kaliasin, tombol Basuki Rahmat,tombol Ometraco, tombol Tunjungan, dan tombol Tegalsari. Apabila tombol Kaliasin ditekan, maka akan muncul hasil estimasi tegangan & sudut fasa pada sisi kanan, dan tampilan Single Line Diagram penyulang Kaliasin pada sisi kiri. Tabel 4.1 Hasil Simulasi State Estimation Penyulang Kaliasin dengan metode EKF Tegangan Sudut Load Load Estimasi Error Estimasi Flow ( pu ) ( % ) ( o Flow ) ( pu ) ( o ) No. Bus Error ( % ) Tabel 4.1 di atas merupakan hasil estimasi tegangan & sudut fasa penyulang kaliasin. Hasil yang ada pada tabel ini memperjelas tampilan gambar 4.1 pada sisi kanan. Dari tabel di atas, didapatkan tegangan estimasi rata-rata untuk penyulang kaliasin bernilai pu. Sedangkan untuk tegangan terkecil bernilai pu. Tegangan paling besar selain magnitude tegangan pada bus utama bernilai pu. Hasil yang didapatkan ini tidak undervoltage, karena nilai magnitude tegangan berkisar pada nilai 0.99 pu. Untuk estimasi sudutnya bernilai besar karena data pembanding yang digunakan untuk validasi pada ETAP merupakan angka pembulatan hanya dua angka di belakang koma, sedangkan data hasil 46

58 simulasi JAVA merupakan pembulatan hingga empat angka di belakang koma sehingga berpengaruh pada komputasinya di program Simulasi Penyulang Basuki Rahmat Hasil simulasi state estimasi pada penyulang basuki rahmat dengan metode EKF dapat dilihat pada Gambar 4.2. Gambar 4.2 Running program state estimasi penyulang basuki rahmat Pada gambar 4.2 merupakan tampilan hasil simulasi state estimasi untuk penyulang Basuki Rahmat. Pada frame tersebut terdapat 5 tombol, diantaranya tombol Kaliasin, tombol Basuki Rahmat,tombol Ometraco, tombol Tunjungan, dan tombol Tegalsari. Apabila tombol Basuki Rahmat ditekan, maka akan muncul hasil estimasi tegangan & sudut fasa pada sisi kanan, dan tampilan Single Line Diagram penyulang Basuki Rahmat pada sisi kiri. 47

59 Tabel 4.2 Hasil Simulasi State Estimation Penyulang Basuki Rahmat dengan metode EKF Tegangan Sudut No. Bus Load Flow Load Flow Estimasi ( pu ) Error ( % ) 48 Estimasi ( o ) Error ( % ) ( pu ) ( o ) Tabel 4.2 di atas merupakan hasil estimasi tegangan & sudut fasa penyulang Basuki Rahmat. Hasil yang ada pada tabel ini memperjelas

60 tampilan gambar 4.2 pada sisi kanan. Dari tabel di atas, didapatkan tegangan estimasi rata-rata untuk penyulang Basuki Rahmat bernilai pu. Sedangkan untuk tegangan terkecil bernilai pu. Tegangan paling besar selain magnitude tegangan pada bus utama bernilai pu. Hasil yang didapatkan ini tidak undervoltage, karena nilai magnitude tegangan berkisar pada nilai 0.99 pu. Untuk estimasi sudutnya bernilai besar karena data pembanding yang digunakan untuk validasi pada ETAP merupakan angka pembulatan hanya dua angka di belakang koma, sedangkan data hasil simulasi JAVA merupakan pembulatan hingga empat angka di belakang koma sehingga berpengaruh pada komputasinya di program Simulasi Penyulang Ometraco Hasil simulasi state estimasi pada penyulang ometraco dengan metode EKF dapat dilihat pada Gambar 4.3. Gambar 4.3 Running program state estimasi penyulang Ometraco 49

61 Pada gambar 4.3 merupakan tampilan hasil simulasi state estimasi untuk penyulang Ometraco. Pada frame tersebut terdapat 5 tombol, diantaranya tombol Kaliasin, tombol Basuki Rahmat,tombol Ometraco, tombol Tunjungan, dan tombol Tegalsari. Apabila tombol Ometraco ditekan, maka akan muncul hasil estimasi tegangan & sudut fasa pada sisi kanan, dan tampilan Single Line Diagram penyulang Ometraco pada sisi kiri. Tabel 4.3 Hasil Simulasi State Estimasi Penyulang Ometraco dengan metode EKF Tegangan Sudut No. Bus Load Flow Load Flow Estimasi ( pu ) Error ( % ) 50 Estimasi ( o ) Error ( % ) ( pu ) ( o ) Tabel 4.3 di atas merupakan hasil estimasi tegangan & sudut fasa penyulang Basuki Rahmat. Hasil yang ada pada tabel ini memperjelas tampilan gambar 4.3 pada sisi kanan. Dari tabel di atas, didapatkan tegangan estimasi rata-rata untuk penyulang Ometraco bernilai pu. Sedangkan untuk tegangan terkecil bernilai pu. Tegangan paling besar selain magnitude tegangan pada bus utama bernilai pu. Hasil yang didapatkan ini tidak undervoltage, karena nilai magnitude tegangan berkisar pada nilai 0.99 pu.

62 Untuk estimasi sudutnya bernilai besar karena data pembanding yang digunakan untuk validasi pada ETAP merupakan angka pembulatan hanya dua angka di belakang koma, sedangkan data hasil simulasi JAVA merupakan pembulatan hingga empat angka di belakang koma sehingga berpengaruh pada komputasinya di program Simulasi Penyulang Tunjungan Hasil simulasi state estimasi pada penyulang tunjungan dengan metode EKF dapat dilihat pada Gambar 4.4. Gambar 4.4 Hasil Simulasi State Estimasi Penyulang Tunjungan dengan metode EKF Pada gambar 4.4 ini merupakan tampilan hasil simulasi state estimasi untuk penyulang Tunjungan. Pada frame tersebut terdapat 5 tombol, diantaranya tombol Kaliasin, tombol Basuki Rahmat,tombol Ometraco, tombol Tunjungan, dan tombol Tegalsari. Apabila tombol Tunjungan ditekan, maka akan muncul hasil estimasi tegangan & sudut fasa penyulang Tunjungan pada sisi kanan, dan tampilan Single Line Diagram penyulang Tunjungan pada sisi kiri. 51

63 Tabel 4.4 Hasil Simulasi State Estimasi Penyulang Tunjungan dengan metode EKF Tegangan Sudut No. Bus Load Flow Load Flow Estimasi ( pu ) Error ( % ) Estimasi ( o ) Error ( % ) ( pu ) ( o ) Tabel 4.4 di atas merupakan hasil estimasi tegangan & sudut fasa penyulang Tunjungan. Hasil yang ada pada tabel ini memperjelas tampilan gambar 4.4 pada sisi kanan. Dari tabel di atas, didapatkan tegangan estimasi rata-rata untuk penyulang Tunjungan bernilai pu. Sedangkan untuk tegangan terkecil bernilai pu. Tegangan paling besar selain magnitude tegangan pada bus utama bernilai pu. Hasil yang didapatkan ini tidak undervoltage, karena nilai magnitude tegangan berkisar pada nilai 0.99 pu. Untuk estimasi sudutnya bernilai besar karena data pembanding yang digunakan untuk validasi pada ETAP merupakan angka pembulatan hanya dua angka di belakang koma, sedangkan data hasil simulasi JAVA merupakan pembulatan hingga empat angka di belakang koma sehingga berpengaruh pada komputasinya di program. 52

64 4.1.5 Simulasi Penyulang Tegalsari Hasil simulasi state estimasi pada penyulang tegalsari dengan metode EKF dapat dilihat pada Gambar 4.5. Gambar 4.5 Hasil Simulasi State Estimasi Penyulang Tegalsari dengan metode EKF Pada gambar 4.5 ini merupakan tampilan hasil simulasi state estimasi untuk penyulang Tegalsari. Pada frame tersebut terdapat 5 tombol, diantaranya tombol Kaliasin, tombol Basuki Rahmat,tombol Ometraco, tombol Tunjungan, dan tombol Tegalsari. Apabila tombol Tegalsari ditekan, maka akan muncul hasil estimasi tegangan,sudut fasa, beserta error pengukuran penyulang Tegalsari pada sisi kanan, dan tampilan Single Line Diagram penyulang Tegalsari pada sisi kiri. 53

65 Tabel 4.5 Hasil Simulasi State Estimasi Penyulang Tegalsari dengan metode EKF Tegangan Sudut No. Load Load Estimasi Error Estimasi Error Bus Flow ( pu ) ( % ) ( o Flow ) ( pu ) ( o ( % ) ) Tabel 4.5 di atas merupakan hasil estimasi tegangan & sudut fasa penyulang Tegalsari. Hasil yang ada pada tabel ini memperjelas tampilan gambar 4.5 pada sisi kanan. Dari tabel di atas, didapatkan tegangan estimasi rata-rata untuk penyulang Tegalsari bernilai pu. Sedangkan untuk tegangan terkecil bernilai pu. Tegangan paling besar selain magnitude tegangan pada bus utama bernilai pu. Hasil yang didapatkan ini tidak undervoltage, karena nilai magnitude tegangan berkisar pada nilai 0.99 pu. 54

66 Untuk estimasi sudutnya bernilai besar karena data pembanding yang digunakan untuk validasi pada ETAP merupakan angka pembulatan hanya dua angka di belakang koma, sedangkan data hasil simulasi JAVA merupakan pembulatan hingga empat angka di belakang koma sehingga berpengaruh pada komputasinya di program. 4.2 Analisa Grafik State Estimasi Berdasarkan data hasil simulasi state estimation dari lima penyulang di Surabaya Utara didapatkan hasil estimasi tegangan hampir mendekati hasil analisis pada software ETAP. Error magnitude tegangan rata-rata berkisar antara % Penyulang Kaliasin Gambar 4.6 Grafik analisis hasil SE penyulang kaliasin Gambar 4.6 di atas merupakan grafik/kurva Magnitude vs Nomer Bus hasil state estimasi penyulang kaliasin. Pada sumbu X menyatakan urutan Bus dari penyulang kaliasin, terdiri dari bus nomer 1 sampai dengan bus nomer 10. Sumbu Y menyatakan Magnitude tegangan dalam [pu]. Untuk kurva yang berwarna biru merupakan representasi 55

67 magnitude tegangan hasil estimasi dengan metode EKF. Kurva yang berwarna merah merupakan hasil Loadflow dari software ETAP. Dapat dilihat bahwa error yang paling kecil menunjukkan hasil estimasi yang lebih akurat. Error terkecil pada penyulang kaliasin bernilai %, error terbesar bernilai %, dan error rata-rata bernilai %. Hasil ini masih relevan karena masih pada batas error yang diperbolehkan, yaitu 5% Penyulang Basuki Rahmat Gambar 4.7 Grafik analisis hasil SE penyulang basuki rahmat Gambar 4.7 di atas merupakan grafik/kurva Magnitude vs Nomer Bus hasil state estimasi penyulang Basuki rahmat. Pada sumbu X menyatakan urutan Bus dari penyulang Basuki rahmat, terdiri dari bus nomer 1 sampai dengan bus nomer 28. Sumbu Y menyatakan Magnitude tegangan dalam [pu]. Untuk kurva yang berwarna biru merupakan representasi magnitude tegangan hasil estimasi dengan metode EKF. Kurva yang berwarna merah merupakan hasil Loadflow dari software ETAP. Dapat dilihat bahwa error yang paling kecil menunjukkan hasil estimasi yang lebih akurat. Error terkecil pada penyulang basuki rahmat bernilai %, error terbesar bernilai %, dan error rata-rata 56

68 bernilai %. Hasil ini masih relevan karena masih pada batas error yang diperbolehkan, yaitu 5% Penyulang Ometraco Gambar 4.8 Grafik analisis hasil SE penyulang ometraco Gambar 4.8 di atas merupakan grafik/kurva Magnitude vs Nomer Bus hasil state estimasi penyulang Ometraco. Pada sumbu X menyatakan urutan Bus dari penyulang Ometraco, terdiri dari bus nomer 1 sampai dengan bus nomer 13. Sumbu Y menyatakan Magnitude tegangan dalam [pu]. Untuk kurva yang berwarna biru merupakan representasi magnitude tegangan hasil estimasi dengan metode EKF. Kurva yang berwarna merah merupakan hasil Loadflow dari software ETAP. Dapat dilihat bahwa error yang paling kecil menunjukkan hasil estimasi yang lebih akurat. Error terkecil pada penyulang ometraco bernilai %, error terbesar bernilai %, dan error rata-rata bernilai %. Hasil ini masih relevan karena masih pada batas error yang diperbolehkan, yaitu 5%. 57

69 4.2.4 Penyulang Tunjungan Gambar 4.9 Grafik analisis hasil SE penyulang tunjungan Gambar 4.9 di atas merupakan grafik/kurva Magnitude vs Nomer Bus hasil state estimasi penyulang Tunjungan. Pada sumbu X menyatakan urutan Bus dari penyulang Tunjungan, terdiri dari bus nomer 1 sampai dengan bus nomer 12. Sumbu Y menyatakan Magnitude tegangan dalam [pu]. Untuk kurva yang berwarna biru merupakan representasi magnitude tegangan hasil estimasi dengan metode EKF. Kurva yang berwarna merah merupakan hasil Loadflow dari software ETAP. Dapat dilihat bahwa error yang paling kecil menunjukkan hasil estimasi yang lebih akurat. Error terkecil pada penyulang tunjungan bernilai %, error terbesar bernilai %, dan error rata-rata bernilai %. Hasil ini masih relevan karena masih pada batas error yang diperbolehkan, yaitu 5%. 58

70 4.2.5 Penyulang Tegalsari Gambar 4.10 Grafik analisis hasil SE penyulang tegalsari Gambar 4.10 di atas merupakan grafik/kurva Magnitude vs Nomer Bus hasil state estimasi penyulang Tegalsari. Pada sumbu X menyatakan urutan Bus dari penyulang Tegalsari, terdiri dari bus nomer 1 sampai dengan bus nomer 20. Sumbu Y menyatakan Magnitude tegangan dalam [pu]. Untuk kurva yang berwarna biru merupakan representasi magnitude tegangan hasil estimasi dengan metode EKF. Kurva yang berwarna merah merupakan hasil Loadflow dari software ETAP. Dapat dilihat bahwa error yang paling kecil menunjukkan hasil estimasi yang lebih akurat. Error terkecil pada penyulang Tegalsari ini bernilai %, error terbesar bernilai %, dan error rata-rata bernilai %. Hasil ini masih relevan karena masih pada batas error yang diperbolehkan, yaitu 5%. 59

71 Halaman ini sengaja dikosongkan 60

72 BAB 5 KESIMPULAN & SARAN 5.1 Kesimpulan Dari hasil pembahasan pada Tugas Akhir ini dapat diambil beberapa kesimpulan, diantaranya: 1. Hasil simulasi EKF state estimation dan Loadflow dari ETAP menunjukkan bahwa kondisi tegangan pada sistem distribusi 20 KV Surabaya Utara tidak undervoltage (normal), yaitu nilai magnitude tegangan berkisar pada nilai 0.99 pu. 2. Penerapan metode EKF dapat mengetahui gross error measurement peralatan, yaitu untuk error rata-rata bernilai % sampai dengan %. 3. Penggunaan bahasa pemrograman JAVA lebih memudahkan pemrogram atau programmer dalam membangun program karena kelebihan JAVA sebagai bahasa pemrograman berorientasi objek (Object Oriented Programming /OOP). 5.2 Saran Adapun beberapa saran dari penulis yang mungkin berguna untuk kedepannya, sebagai berikut : 1. Untuk penelitian ke depan, diharapkan dapat dikembangkan dengan strategi peletakan sensor pengukuran agar sistem lebih handal dan penggunaan sensor dapat dikurangi. 2. Extended Kalman Filter state estimation menggunakan bahasa pemrograman JAVA ini kedepannya mungkin dapat dikembangkan dengan GIS (Geographical Information System) agar dapat mengetahui hasil state estimasi secara real time. 61

73 DAFTAR PUSTAKA [1] Penangsang, Ontoseno. Analisis Aliran Daya, ITS Press, Surabaya,2012. [2] Gelagaev, Ratmir and Vermayen, Pieter. State Estimation in Distribution Grids, IEEE, [3] Kadir, Abdul. Algoritma & pemrograman menggunakan Java, Penerbit ANDI, Yogyakarta, [4] Saadat, Hadi., 1999, Power System Analysis, McGraw-Hill Book Co., Singapura [5] J. Wood, Allen and Wollenberg, Bruce F. Power Generation and Operation Control (Third Edition), John Wiley & Sons Inc, United States of America, [6] Welch, Greg and Gary Bishop, An introduction to the Kalman Filter,Department of Computer Science, University of North Carolina at Chapel Hill, April [7] Kadir, Abdul. Dasar Pemrograman Java 2, Penerbit ANDI, [8] Wolley, NC and Milanovic, JV. Estimating the Voltage Unbalanced Factor using Distribution System State Estimation, IEEE, [9] Gelagaev, Ratmir and Vermayen, Pieter. State Estimation in Distribution Grids, IEEE, [10] Sideig A. Dowi, Amar Ibrahim Hamza, Dynamic State Forecasting in Electric Power Networks Journal of Power and Energy Engineering, [11] Setiyo Wibowo, Dimas dan Taufik Yuliadi, Arif. Pengembangan Modul Praktikum Sistem Monitoring Mikro Scada Tahap II, Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember, Surabaya, [12] Admittance < URL : >, Mei, [13] Nodal Admittance Matrix < URL : >, Mei,

74 Halaman ini sengaja dikosongkan 64

75 LAMPIRAN package gui; import Jama.Matrix; import org.apache.commons.math3.compl ex.complexformat; /** Aisah Nur Laily_ * TA 2015/2016 * LJ Genap 2013 */ public void proseshitung(int datake){ double MVAbase = 10, Vbase = 20; double Zbase = Math.pow(Vbase, 2) / MVAbase; // LINE for(int i=0; i<linedata.length; i++){ for(int j=2; j<linedata[0].length; j++) { Linedata[i][j] = Linedata[i][j]/Zbase; } } // BUS for(int i=1; i<busdata.length; i++){ Busdata[i][2] = (Busdata[i][2] / 1000) / MVAbase; } // INISIALISASI UMUM double fb[][] = new double[linedata.length][1]; for(int i=0; i<linedata.length; i++) fb[i][0] = Linedata[i][0]; double tb[][] = new double[linedata.length][1]; for(int i=0; i<linedata.length; i++) tb[i][0] = Linedata[i][1]; double res[][] = new double[linedata.length][1]; for(int i=0; i<linedata.length; i++) res[i][0] = Linedata[i][2]; double reak[][] = new double[linedata.length][1]; for(int i=0; i<linedata.length; i++) reak[i][0] = Linedata[i][3]; NumberFormat nfimp = NumberFormat.getInstance(); NumberFormat nfy = NumberFormat.getInstance(); nfimp.setminimumfractiondigits( 4); nfimp.setmaximumfractiondigits( 4); nfy.setminimumfractiondigits(1); nfy.setmaximumfractiondigits(4) ; ComplexFormat format = new ComplexFormat(nfImp); ComplexFormat format2 = new ComplexFormat(nfY); org.apache.commons.math3.compl ex.complex imp[] = new 67

76 org.apache.commons.math3.compl ex.complex[linedata.length]; org.apache.commons.math3.compl ex.complex y[] = new org.apache.commons.math3.compl ex.complex[linedata.length]; org.apache.commons.math3.compl ex.complex penyebut = new org.apache.commons.math3.compl ex.complex(1, 0); for(int i=0; i<linedata.length; i++) { imp[i] = new org.apache.commons.math3.compl ex.complex(res[i][0], reak[i][0]); y[i] = penyebut.divide(imp[i]); } double maxfb = getmax2(fb); double maxtb = getmax2(tb); double nbus; int nbranch = fb.length; if(maxfb > maxtb) nbus = maxfb; else nbus = maxtb; org.apache.commons.math3.compl ex.complex ybus[][] = new org.apache.commons.math3.compl ex.complex[(int)nbus][(int)nbus]; for(int i=0; i<ybus.length; i++) for(int j=0; j<ybus[0].length; j++) ybus[i][j]=new org.apache.commons.math3.compl ex.complex(0, 0); //Membentuk Matrik Admitansi for(int i=0; i<nbranch; i++){ ybus[(int)fb[i][0]- 1][(int)tb[i][0]-1] = ybus[(int)fb[i][0]- 1][(int)tb[i][0]-1].subtract(y[i]); ybus[(int)tb[i][0]- 1][(int)fb[i][0]-1] = ybus[(int)fb[i][0]- 1][(int)tb[i][0]-1]; } //Membentuk Diagonal Elements for(int i=0; i<nbus; i++) for(int j=0; j<nbranch; j++) if(fb[j][0] == i+1) ybus[i][i] = ybus[i][i].add(y[j]); else if(tb[j][0] == i+1) ybus[i][i] = ybus[i][i].add(y[j]); // Inisialisasi EKF double type[][] = new double[busdata.length][1]; for(int i=0; i<type.length; i++) type[i][0] = Busdata[i][1]; double z[][] = new double[busdata.length][1]; for(int i=0; i<z.length; i++) z[i][0] = Busdata[i][2]; double fbus[][] = new double[busdata.length][1]; for(int i=0; i<fbus.length; i++) fbus[i][0] = Busdata[i][3]; double tbus[][] = new double[busdata.length][1]; for(int i=0; i<tbus.length; i++) tbus[i][0] = Busdata[i][4]; double Ri[][] = new double[busdata.length][busdata.le ngth]; for(int i=0; i<ri.length; i++) for(int j=0; j<ri.length; j++) if(i==j) Ri[i][j] = Busdata[i][5]; else Ri[i][j] = 0; double V[][] = new double[(int)nbus][1]; 68

77 double del[][] = new double[(int)nbus][1]; for(int i=0; i<(int)nbus; i++) { V[i][0] = 1; del[i][0] = 0; } double E[][] = new double[(del.length-1) + V.length][1]; for(int i=0; i<e.length; i++){ if(i<del.length-1) E[i][0] = del[i+1][0]; else E[i][0] = V[i-(V.length-1)][0]; } double G[][] = new double[ybus.length][ybus[0].lengt h]; double B[][] = new double[ybus.length][ybus[0].lengt h]; for(int i=0; i<ybus.length; i++){ for(int j=0; j<ybus[0].length; j++){ G[i][j] = ybus[i][j].getreal(); B[i][j] = ybus[i][j].getimaginary(); } } //double q= 0.1;(std of process) int sm = (int)(nbus*2-1);//size mat double [][] Q1 = Matriks.identity(sm); double Q2 = ; //q^2 double[][] Q = Matriks.multiply(Q2, Q1); double [][] P = Matriks.identity(sm); //cov process int nvi=0, npi=0, nqi=0, npf=0, nqf=0; for(int i=0; i<type.length; i++){ if(type[i][0] == 1) nvi++; else if(type[i][0] == 2) npi++; else if(type[i][0] == 3) nqi++; else if(type[i][0] == 4) npf++; else if(type[i][0] == 5) nqf++; } int vi[][] = new int[nvi][1]; int ppi[][] = new int[npi][1]; int qi[][] = new int[nqi][1]; int pf[][] = new int[npf][1]; int qf[][] = new int[nqf][1]; int viitr=0, ppiitr=0, qiitr=0, pfitr=0, qfitr=0; for(int i=0; i<type.length; i++){ if(type[i][0] == 1) { vi[viitr][0] = i+1; viitr++; } else if(type[i][0] == 2) { ppi[ppiitr][0] = i+1; ppiitr++; } else if(type[i][0] == 3) { qi[qiitr][0] = i+1; qiitr++; } else if(type[i][0] == 4) { pf[pfitr][0] = i+1; pfitr++; } else if(type[i][0] == 5){ qf[qfitr][0] = i+1; qfitr++; 69

78 } } //ITERASI EKF int iter=0; double tol=5; while(tol > 1e-4) { double[][] h1 = new double[(int)fbus[vi[0][0]- 1][0]][1]; double[][] h2 = new double[npi][1]; double[][] h3 = new double[nqi][1]; double[][] h4 = new double[npf][1]; double[][] h5 = new double[nqf][1]; for(int i=0; i<h1.length; i++) for(int j=0; j<h1[0].length; j++) h1[i][j] = V[i][j]; for(int i=0; i<h2.length; i++) for(int j=0; j<h2[0].length; j++) h2[i][j] = 0; for(int i=0; i<h3.length; i++) for(int j=0; j<h3[0].length; j++) h3[i][j] = 0; for(int i=0; i<h4.length; i++) for(int j=0; j<h4[0].length; j++) h4[i][j] = 0; for(int i=0; i<h5.length; i++) for(int j=0; j<h5[0].length; j++) h5[i][j] = 0; for(int i=0; i<npi; i++){ int m = (int)fbus[ (int)ppi[i][0]-1 ][0]; for(int k=0; k<nbus; k++){ h2[i][0] = h2[i][0] + V[m- 1][0] * V[k][0] * ( G[m-1][k] * Math.cos(del[m-1][0]-del[k][0]) + B[m-1][k] * Math.sin(del[m-1][0]- del[k][0]) ); } } for(int i=0; i<nqi; i++){ int m = (int)fbus[ (int)qi[i][0]-1 ][0]; for(int k=0; k<nbus; k++){ h3[i][0] = h3[i][0] + V[m- 1][0] * V[k][0] * ( G[m-1][k] * Math.sin(del[m-1][0]-del[k][0]) - B[m-1][k] * Math.cos(del[m-1][0]- del[k][0]) ); }} int sizeh = h1.length + h2.length + h3.length + h4.length + h5.length; double h[][] = new double[sizeh][1]; for(int i=0; i<h.length; i++){ for(int j=0; j<h[0].length; j++){ if(i < h1.length) h[i][j] = h1[i][j]; else if(i < (h1.length+h2.length)) h[i][j] = h2[i - h1.length][j]; else if(i < (h1.length+h2.length+h3.length)) h[i][j] = h3[i - (h1.length+h2.length)][j]; else if(i < (h1.length+h2.length+h3.length+h 4.length)) h[i][j] = h4[i - (h1.length+h2.length+h3.l ength)][j]; else if(i < (h1.length+h2.length+h3.l ength+h4.length+h5.lengt h)) 70

79 h[i][j] = h5[i - (h1.length+h2.length+h3.l ength+h4.length)][j]; } } double r[][] = new double[z.length][1]; for(int i=0; i<h.length; i++){ for(int j=0; j<h[0].length; j++){ r[i][j] = z[i][j] - h[i][j]; } } // Matriks Jacobian //=========H11 double[][] H11 = new double[(int)nvi][(int)nbus-1]; for(int i=0; i<h11.length; i++) for(int j=0; j<h11[0].length; j++) H11[i][j] = 0; int sizehbar = H11.length + H21.length + H31.length + H41.length + H51.length; int sizehcol = H11[0].length + H12[0].length; double H[][] = new double[sizehbar][sizehcol]; for(int i=0; i<h.length; i++){ for(int j=0; j<h[0].length; j++){ if(i < H11.length) { if(j < H11[0].length) H[i][j] = H11[i][j]; else H[i][j] = H12[i][j- H11[0].length]; } else if(i < H11.length + H21.length){ if(j < H11[0].length) H[i][j] = H21[i-H11.length][j]; else H[i][j] = H22[i-H11.length][j- H11[0].length]; } } double Ht[][] = new double[h[0].length][h.length]; Ht = transposematrix(h); Matrix aaa = new Matrix(Ri); double RiInv[][] = aaa.inverse().getarray(); //=======State Vector P= Matriks.add(P, Q); double[][] P12 = Matriks.add(P, Ht); double[][] K1 = Matriks.multiply(H, P12); double[][] K2 = Matriks.add(K1, Ri); Matrix K12 = new Matrix(K2); double K2Inv[][] = K12.inverse().getArray(); double[][] K = Matriks.multiply(P12,K2Inv); double[][] de = Matriks.multiply(K,r); //====Menambahkan E dgn de E = Matriks.add(E, de); for(int i=1; i<del.length; i++){ for(int j=0; j<del[0].length; j++){ del[i][j] = E[i-1][j]; } } //========V = E(nbus:end) for(int i=0; i<nbus; i++){ for(int j=0; j<e[0].length; j++){ V[i][j] = E[i+Linedata.length][j]; } 71

80 } iter = iter+1; tol = getmax3(de); double P12t[][] = new double[p12[0].length][p12.length] ; P12t = transposematrix(p12); double [][] P1 = Matriks.multiply(P12t,K); P = Matriks.subtract(P, P1); System.out.printf("%.5f\n",tol); } //end separator while double a = 0; a = 1 - V[0][0]; if(v[0][0] < 1){ V[0][0] = 1; for(int i=1; i<nbus; i++) V[i][0] = V[i][0]+a; } double b = 0; b = V[0][0] - 1; if(v[0][0] > 1){ V[0][0] = 1; for(int i=1; i<nbus; i++) V[i][0] = V[i][0]-b; } //Magnitude dan sudutnya double Del[][] = new double[del.length][del[0].length]; for(int i=0; i<del.length; i++){ for(int j=0; j<del[0].length; j++){ Del[i][j] = 180 / Math.PI * del[i][j]; } } double E2[][] = new double[v.length][v[0].length+del [0].length]; for(int i=0; i<e2.length; i++){ for(int j=0; j<e2[0].length; j++){ if(j<v[0].length) E2[i][j] = V[i][j]; else E2[i][j] = Del[i][j- V[0].length]; } } //=======Menghitung error double VEtap[][] = new double[etapdata.length][1]; double DelEtap[][] = new double[etapdata.length][1]; for(int i=0; i<vetap.length; i++){ for(int j=0; j<vetap[0].length; j++){ VEtap[i][j] = ETAPdata[i][1]; } } for(int i=0; i<deletap.length; i++){ for(int j=0; j<deletap[0].length; j++){ DelEtap[i][j] = ETAPdata[i][2]; }} double ErrV[] = new double[etapdata.length]; double ErrDel[] = new double[etapdata.length]; for(int m=0; m<etapdata.length; m++){ ErrV[m] = Math.abs(V[m][0]- VEtap[m][0]) / VEtap[m][0] * 100; if(double.isnan(errv[m])) ErrV[m] = 0; ErrDel[m] = Math.abs( (Del[m][0]-DelEtap[m][0]) / DelEtap[m][0] * 100 ); if(double.isnan(errdel[m])) ErrDel[m] = 0; } 72

81 BIODATA PENULIS Penulis bernama lengkap Aisah Nur Laily lahir di Pati, 26 Oktober Merupakan anak pertama dari dua bersaudara. Penulis menyelesaikan sekolah menengah atas dari SMK Telkom Shandhy Putra Purwokerto pada tahun Pada tahun yang sama diterima di Politeknik Negeri Semarang jurusan Teknik Elektro. Tahun 2012 penulis menyelesaikan program Diploma 3. Kemudian pada tahun 2012 penulis diterima di salah satu Perusahaan Manufaktur Asing, PT.Jideco Indonesia sebagai Engineering Staff. Pada tahun 2013 penulis mengundurkan diri dari PMA tersebut, kemudian melanjutkan pendidikan untuk jenjang sarjana. Pendidikan sarjana ditempuh di Institut Teknologi Sepuluh Nopember Surabaya di jurusan Teknik Elektro bidang studi sistem tenaga. 65